С первых дней появления компьютеров исследователи пытались создать системы, имитирующие человеческий интеллект. Хотя кремниевый Эйнштейн все еще может быть далекой возможностью, искусственный интеллект или ИИ позволили нам телефоны, распознающие человеческую речь, автомобили, которые управляют собой, и экспертные системы, участвующие в телевизионных играх. показывает. За прошедшие годы исследования ИИ прошли несколько этапов эволюции, и по мере развития каждой технологии они стали частью нашей повседневной жизни.
Машинное обучение
Ранние исследователи боролись с ограниченной вычислительной мощностью и компьютерным хранилищем, но все же заложили основу основа искусственного интеллекта с помощью языков программирования, таких как LISP, и таких понятий, как деревья решений и машина обучение. Программы, написанные на LISP, могут легко анализировать такие игры, как шахматы, отображать все возможные ходы на несколько ходов, а затем выбирать лучшую альтернативу. Эти программы также могут изменять свою логику принятия решений и учиться на предыдущих ошибках, становясь со временем «умнее». Благодаря более мощным компьютерам и более дешевым запоминающим устройствам эта ветвь ИИ породила индустрию компьютерных игр, а также различные персонализированные поисковые системы и сайты интернет-магазинов, которые не только запоминают наши предпочтения, но и предвосхищают наши потребности.
Видео дня
Экспертные системы
В то время как первая волна исследователей ИИ полагалась на вычислительные циклы для моделирования человеческого мышления, следующий подход опирался на факты и данные, имитирующие человеческий опыт. Экспертные системы собирали факты и правила в базу знаний, а затем использовали компьютерные механизмы вывода для вывода новых фактов или ответов на вопросы. Инженеры по интеллектуальным технологиям опросили экспертов в области медицины, ремонта автомобилей, промышленного дизайна или других профессий, а затем свели эти выводы в машиночитаемые факты и правила. Эти базы знаний затем использовались другими, чтобы помочь диагностировать проблемы или ответить на вопросы. По мере развития технологии исследователи нашли способы автоматизировать разработку базы знаний, куча технической литературы, или позволяя программному обеспечению сканировать Интернет в поисках соответствующей информации о своих собственный.
Нейронные сети
Другая группа исследователей пыталась воспроизвести работу человеческого мозга, создав искусственные сети нейронов и синапсов. Благодаря обучению эти нейронные сети могли распознавать закономерности из того, что выглядело как случайные данные. Изображения или звуки подаются на входную сторону сети, а правильные ответы - на выходную. Со временем сети реорганизуют свою внутреннюю структуру, так что при поступлении аналогичных входных данных сеть возвращает правильный ответ. Нейронные сети хорошо работают, когда реагируют на человеческую речь или переводят отсканированные изображения в текст. Программное обеспечение, основанное на этой технологии, может читать книги слепым людям или переводить речь с одного языка на другой.
Большое количество данных
Масштабный анализ данных, часто называемый «большими данными», использует возможности многих компьютеров для обнаружения фактов и взаимосвязей в данных, которые человеческий разум не может постичь. Триллионы платежей по кредитным картам или миллиарды связей в социальных сетях могут быть отсканированы и сопоставлены с использованием различных статистических методов для обнаружения полезной информации. Компании, выпускающие кредитные карты, могут найти образцы покупок, которые указывают на то, что карта была украдена или что ее владелец испытывает финансовые затруднения. Розничные торговцы могут обнаружить модели покупок, указывающие на беременность покупательницы, даже до того, как она сама узнает об этом. Большие данные позволяют компьютерам понимать мир так, как мы, люди, никогда не смогли бы самостоятельно.
